我记得Sora刚推出来的时候，胡锡进称Sora是爆炸性进展，是人类 AI 技术新的里程碑，直言Sora的发布让他 “看春节档电影都有些心神不宁”。针对国内出现的贬低 Sora、认为其 “没必要一惊一乍” 的声音，胡锡进也进行了批评。 说实话，在被OpenAi、Sora连番推出的那个当口，老胡还算是比较理性的。更多的人感觉中国科技将被碾压，一幅“药丸”的感觉。 Sora刚亮相时的震撼，本质是视觉化技术突破带来的认知冲击，这种冲击很容易让人把单点创新当成全面碾压。 当时铺天盖地的演示视频，把生成式AI的上限直观呈现在眼前，而大多数人没意识到，那些几十秒的惊艳画面背后，藏着难以逾越的现实门槛。 比如生成时长的限制、海量算力的消耗，还有商业化落地的复杂难题，这些不显眼的细节被震撼感掩盖，导致信息接收出现严重失衡。 国内AI企业的进展大多分散在工业质检、医疗辅助、智慧城市这些实用场景，没有那么强的视觉冲击力，自然难以形成同等的舆论热度，这种信息差直接催生了焦虑情绪。 很多人的焦虑源于认知上的偏差，把技术参数的领先等同于，产业竞争力的全面碾压，却忽略了AI竞争从来不是单点对决，而是系统能力的比拼。 当时美国在基础模型研发和高端芯片设计上确实有优势，OpenAI靠着雄厚的资本和算力储备，不断推高模型的智能上限，这种“从0到1”的暴力创新模式，很容易让人产生“难以追赶”的错觉。 但实际上，中美AI的差距正在快速缩小，到2024年底，两国顶尖模型在主要基准测试上的差距，已经压缩到5%以内，部分领域甚至不足1%，所谓的“碾压”更多是心理层面的放大，而非实际差距的真实写照。 体制内和商界人士的过度担忧，背后有各自的逻辑出发点。体制内官员更多关注国际前沿动态，接触到的信息多集中在国际头部企业的技术突破，对国内AI产业的具体进展和落地成效了解不够全面，容易被国际巨头的声量带偏。 商界老板则出于风险规避的考虑，在不确定的市场环境中，倾向于放大已知优势方的实力，这种对风险的敏感让他们下意识地高估美国AI的领先程度，以此作为决策参考。 但他们都忽略了一个关键事实：AI的价值最终要靠落地转化来体现，美国的技术优势能否转化为实际竞争力，还面临着诸多现实挑战。 学界出现“中国AI不如日本”的观点，本质是混淆了技术评价的维度。 日本在机器人技术、智能制造等细分领域确实有深厚积累，某些单一技术指标上有其独特优势，但AI产业的竞争力从来不是单一维度的比拼，而是数据、算法、应用场景、产业链的综合较量。 中国拥有全球最庞大的应用场景和数据资源，制造业AI采用率高达67%，而美国仅为34%，这种规模化应用带来的实践经验和数据积累，是日本难以比拟的。 日本的AI发展更多集中在特定细分领域，缺乏中国这样覆盖全产业链的应用生态，所谓“不如日本”的判断，显然是脱离了产业实际的片面认知。 中美AI的发展路径本就不同，不存在绝对的优劣之分。美国走的是“从0到1”的创新路线，靠着充足的算力和资本，不断探索技术的上限，定义AI的可能性。 中国则在硬件受限的背景下，走出了一条“极致效率”的路径，通过算法优化和架构创新，用更低的成本实现了相近的性能。 比如国产AI芯片通过集群互联技术，将数百颗芯片组成超大规模计算节点，用“群计算”弥补单芯片算力的不足，这种技术创新让中国模型在“用得起”上建立了独特优势。 两种路径各有侧重，美国在尖端技术突破上领先，中国在规模化应用和成本控制上占优，所谓“碾压”只是对这种差异化路径的误读。 舆论场的放大效应进一步加剧了焦虑情绪。当时部分专家的片面言论被快速传播，形成了跟风效应，越来越多的人加入到“唱衰”的行列中，却很少有人去核实信息的真实性和全面性。 加上过去中国在一些高科技领域长期处于追赶状态，部分人形成了“国外领先就会被碾压”的思维惯性，遇到Sora这样的突破性产品，自然容易陷入过度焦虑。 而国内AI企业的进展大多是渐进式的，缺乏集中的舆论爆点，这些分散的进步难以形成合力，无法有效对冲国际头部企业带来的冲击。 事实上，AI竞争的下半场早已不是技术参数的比拼，而是应用落地的较量。微软总裁后来也强调，AI必须创造实际价值，否则再先进的技术也没有意义。 中国正是在这一领域建立了自己的优势，AI已经深入到钢铁生产、煤矿开采、港口调度等核心工业场景，通过解决实际生产中的问题，积累了大量宝贵的产业数据和实践经验。 这些落地场景带来的不仅是经济效益，更是技术迭代的动力，让中国AI在解决复杂现实问题的能力上不断提升。 美国的AI虽然在尖端技术上领先，但在实体经济的渗透程度上远远不及中国，这种应用层面的差距，恰恰是中国AI的重要护城河。
